Datenverarbeitung; Informatik
Refine
Year of publication
- 2022 (4) (remove)
Document Type
- Bachelor Thesis (2)
- Conference Proceeding (1)
- Master's Thesis (1)
Keywords
- Analyse (1)
- Deepfake (1)
- FANUC (1)
- Hyperpersonalisierung (1)
- Industrieroboter (1)
- KAREL (1)
- Logging (1)
- Marketing (1)
- Motordrehmoment (1)
- Software (1)
Institute
- Fachbereich Informatik und Medien (4) (remove)
Diese Arbeit gibt einen Einblick sowie eine Einschätzung eines Code-basierten
Werkzeuges zur Datenvisualierung, der d3js bibliothek für JavaScript. Es
werden nicht nur das Potential, sondern auch die Vor- und Nachteile evaluiert.
Weiterhin wird eine Einschätzung gegeben, wann der Einsatz dieses Werkzeuges
sinnvoll ist. Um diese Einschätzungen treffen zu können, werden einige Di-
agramme, bezüglich der aktuellen Flüchtlichgssituation, die aufgrund des
bewaffneten Ukrainekonfilktes besteht, erstellt. Dafür werden zunächst die
nötigen Grundlagen erklärt. Dies umfasst sowohl Daten und Datentypen,
als auch Diagramme und deren Aufbau. Abschließend werden die erstellten
Diagramme, sowie d3js im Diskussionsteil ausgewertet.
Da d3js in reinem JavaScript implementiert ist, lässt es sich problem-
los mit anderen Frameworks kombinieren. Der Fokus von d3js liegt auf der
schnellen und einfachen Manipulation von Elementen im Document Object
Model. d3js ist jedoch kein Werkzeug, mit dem in wenigen Zeilen Quell-
code ganze Diagramme erstellt werden können. Vielmehr müssen sowohl die
einzelnen Elemente eines Diagrammes, wie auch deren Position und Ausse-
hen händisch definiert werden. Das ermöglicht ein Höchstmaß an Kontrolle
über das Aussehen und Verhalten der Diagramme. Es ist jedoch auch zeitin-
tensiv und führt eventuell zur Implementation unübersichtlicher Diagramme.
Gepaart mit der hohen initialen Lernkurve kann die Nutzung von d3js nur
in speziellen Fällen, welche die volle Kontrolle über Aussehen und Verhalten
von Diagrammen benötigen, empfohlen werden.
In dieser Masterarbeit wird der Einsatz von Deepfakes im Marketing untersucht. Es geht darum, Deepfake-Marketing zu analysieren und vier eigene Deepfakes zu erstellen, um mögliche Effekte bei Rezipienten zu erkennen. Dazu wird die folgende Forschungsfrage „Welche Effekte lösen hyperpersonalisierte Werbebotschaften durch Deepfakes bei Probanden aus?“ aufgestellt.
Für die Beantwortung der Forschungsfrage wird zunächst die Personalisierung von Werbung, sowie Deepfakes im Allgemeinen thematisiert. Im Anschluss daran wurden die Vor- und Nachteile der Hyperpersonalisierung durch die Integration von Deepfakes in die Werbung analysiert und vier eigene Deepfakes auf Basis realer Video-Werbungen generiert.
Zur Überprüfung der möglichen Effekte bei Rezipienten wurde eine Online-Umfrage erarbeitet, bei der 22 Probanden die vier selbst produzierten Deepfakes sahen und Fragen zu ihrer persönlichen Einstellung zur Personalisierung durch Deepfakes mitteilten. Die Ergebnisse der nicht repräsentativen Umfrage zeigen, dass sich die Auswirkungen bei hyperpersonalisierten Werbebotschaften durch Deepfakes primär in zwei Kategorien einordnen lassen: positive Überraschung und Misstrauen.
Im Detail können die Probanden Deepfakes nicht eindeutig erkennen und wünschen sich eine offene Deklarierung von Deepfake- Inhalten in der Werbung. Bereits 4 von 10 Teilnehmern würden sogar ihre Daten für die Produktion von Deepfake-Werbung zur Verfügung stellen. Doch auch die Angst vor dem Missbrauch persönlicher Daten und möglichen Gefahren, welche von Deepfakes ausgehen könnten, belasten die Teilnehmer. Für zukünftige Forschung bietet sich an, zur Produktvermarktung mit Deepfake-Werbung weiterzuforschen. Dafür bedarf es in erster Linie eine umfangreichere Datenerhebung.
In dieser Arbeit werden Achsdrehmomente und Motorlast eines Industrieroboters der
Firma FANUC analysiert, um diese über eine Logging-Software zu optimieren. Das
Ziel ist es, über die Aufzeichnung der Motordaten, mechanische Belastungen an den
Motoren der Robotergelenke zu reduzieren. Durch diesen Ansatz können Bewegungen
des Roboters optimiert und Traglasten maximiert werden.
Die zur Zeit angebotene Robotersteuerung des Herstellers bietet nur wenig zeitlich aufgelöste Diagnoseoptionen.
Die vorgestellte Lösung unterscheidet sich von anderen Lösungen darin, dass keine
Verkabelung von zusätzlicher Hardware notwendig ist. Auch muss keine zusätzliche,
kostenpflichtige Software installiert werden.
Der in dieser Arbeit verfolgte Ansatz implementiert eine webbasierte Logging-Software für einen Client-PC und ein KAREL
Programm für einen FANUC Roboter, welches als Schnittstelle dient.
Die Parameter Drehmoment(Disturbance Torque, Torque Monitor) und Motorstrom
(OVC Monitor) konnten periodisch alle 50ms von der Robotersteuerung aufgezeichnet
und anschließend zeitlich aufgelöst dargestellt werden. Es wurden Experimente mit
verschiedenen Geschwindigkeiten, Achsstellungen und Traglasten durchgeführt.
Ein signifikantes Ergebnis konnte bei der Reduzierung der Motorlast unter Verwendung von
Beschleunigungsrampen festgestellt werden. Auch wurde der negative Einfluss einer
inkorrekt eingestellten Traglast bei der Ansteuerung der Motoren nachvollzogen und
aufgezeichnet. In einem Kundenprojekt konnte die Software erfolgreich zur Machbarkeitsanalyse eingesetzt werden.